一种车辆运行轨迹的分离方法
【技术领域】
[0001] 本发明设及智能交通技术领域，具体设及一种车辆运行轨迹的分离方法。
【背景技术】
[0002] 如今，面对着全球信息化的发展趋势，传统的交通技术和手段已经不再适应经济 社会的发展要求。智能交通系统是交通事业发展的必然选择。智能交通随着传感器技术、 通信技术、GIS技术（地理信息系统）、3S技术（遥感技术、地理信息系统、全球定位系统S 种技术）和计算机技术的不断发展而发展。
[0003] 近年来，随着卫星定位技术的成熟和普遍，现在的交通工具，包括车辆，基本都配 备了卫星定位设备来对车辆的轨迹进行定时记录。因此，每天会有大量的车辆卫星定位轨 迹数据产生。对车辆运营过程中产生的卫星定位数据进行数据挖掘是智能交通领域的研究 热点。
[0004] 然而，对于原始的卫星定位数据来说，它只是一堆比较粗趟的数据，比如存在着许 多冗余的数据，或者是在卫星定位数据向数据中屯、发送的过程中发生错误，使得数据中屯、 没有收到所发送的数据，因此数据中屯、所存储的该些卫星定位数据就存在着很大的不确定 性，该就使得我们不能对该些卫星定位数据进行直接挖掘应用，否则得到的结果将会不那 么理想。
[0005] 运行模式挖掘是目前智能交通领域研究的一个热点，运行模式挖掘前需要对运行 轨迹进行分离，W分离结果运动模式挖掘，因此，轨迹分离是运动模式挖掘的基础，轨迹分 离效果直接影响到后续运动模式挖掘结果的准确性。
[0006] 在轨迹分离方面，现有的大多技术，它们或者按照时间上对轨迹进行了分离，或者 按照空间分散程度对轨迹进行了分离，或者是根据速度等参数进行轨迹分离等，只是单纯 的在一个或者两个参数方面对轨迹进行分离操作。并没有全面的考虑到各个方面的参数影 响情况。
【发明内容】
[0007] 针对现有技术的不足，本发明提出了一种车辆运行轨迹的分离方法。
[000引一种车辆运行轨迹的分离方法，包括如下步骤：
[0009] (1)获取车辆在设定时间段内运行的卫星定位数据，所述的卫星定位数据包括该 卫星定位数据对应的采集时间，车辆位置W及载客状态；
[0010] (2)根据各个卫星定位数据的载客状态对获取的卫星定位数据进行筛选，并根据 筛选结果形成相应的载客运行轨迹；
[0011] (3)确定所述载客运行轨迹的时间跳跃点和空间跳跃点的位置，并根据时间跳跃 点和空间跳跃点的位置将所述的载客轨迹划分为若干个子运行轨迹。
[0012] 本发明中设定的时间段通常根据应用需求设定，通常设定的时间段越长，分离结 果越精确，本发明中可W为一个星期。
[0013] 本发明中载客状态为载客和未载客两种状态，步骤（2)中根据载客状态筛选出载 客状态下的卫星定位数据，然后根据各个卫星定位数据对应的采集时间按照时间形成载客 运行轨迹。
[0014] 所述步骤做中通过如下方法确定所述载客运行轨迹的时间跳跃点的位置：
[0015] 针对任意两个时序相邻的卫星定位数据，若二者对应的采集时间的间隔大于设定 的时间阔值，则认为该相邻的两个卫星定位数据之间存在时间跳跃点。
[0016] 所述步骤做中通过如下方法确定所述载客运行轨迹的空间跳跃点的位置：
[0017] 针对任意两个时序相邻的卫星定位数据，若二者对应的租车位置的欧氏距离大于 设定的空间阔值则认为该相邻的两个卫星定位数据之间存在空间跳跃点。
[001引时间阔值和空间阔值根据车辆的运行规律设定，时间阔值通常为10~20分钟，优 选为15分钟。空间阔值为2~3km，优选为2. 5km。
[0019] 轨迹分离的目的是将运行轨迹分割成多个单次运行轨迹。单次运行轨迹是指车辆 有目的地从一个地点移动到另一个地点的过程中的运动轨迹。单次运行轨迹是后面挖掘运 动模式的基础，因为运动模式反映的是车辆在完成一个单次运行轨迹时的运动习惯和路径 选择偏好。轨迹分离通过识别分离点的方式实现，分离点包括时间跳跃点、空间跳跃点、长 时间停留点（在预处理时已经处理好）等。
[0020] 所述步骤做进行划分时具体如下：
[0021] (3-1)根据时间跳跃点的位置将对所述的载客轨迹进行划分若干个单次运行轨 迹；
[0022] (3-2)针对任意一个单次运行轨迹，根据空间跳跃点的位置将各个单次运行轨迹 划分为若干个子运行轨迹。
[0023] 具体划分时在时间跳跃点和空间跳跃点的位置处设置分离点W进行划分。步骤 (3-1)中划分得到的单次运行轨迹的个数W及步骤（3-2)中划分的得到子运行轨迹的数量 取决于实际情况。
[0024] 对运行轨迹进行分离是运动模式挖掘的基础，运动模式反映的是车辆在完成一个 单次运行轨迹时的运动习惯和路径选择偏好。对运行轨迹分离的效果越好，能够大大提高 后续进行运动模式挖掘时得到挖掘结果的精确度。
[0025] 为提高轨迹分离的精度，所述步骤（3)还包括根据速度对各个子运行轨迹进行修 正，具体如下；
[0026] 计算子运行轨迹中任意两个时序相邻的卫星定位数据之间车辆的运行速度，若运 行速度大于预设的速度阔值，则认为其中时序在后的卫星定位数据异常，并将该异常的卫 星定位数据从子运行轨迹中删除；否则，不操作。
[0027] 本实施例的速度阔值根据实际情况下车辆的平均运行速度，本发明中优选60m/s。 [002引通过对所述的子运行轨迹进行速度判决能够有效去除错误的卫星定位数据，可W 有效提高预测精度。
[0029] 由于轨迹分离之后得到的结果中通常会包含了很多冗余的记录。例如当车辆长时 间在某个位置停留时将连续报告一系列经绅度相同的位置信息，某个车辆直线行驶时将报 告多个在同一条直线上的点。该些冗余的记录可能是没有意义的或者可W由其它记录通过 线性拟合的方式推断出来。轨迹简化的目的就是去掉单次运行轨迹中该些冗余记录，只保 留轨迹中的关键点。
[0030] 进一步优选，所述步骤（3)还包括采用Douglas-Peucker算法对修正后的子运行 轨迹进行简化。最优地，所述步骤（3)采用基于高线的Douglas-Peucker算法对修正后的 子运行轨迹进行简化。
[0031] 本发明中对各个修正后的子运行轨迹其进行轨迹简化具体包括如下步骤：
[0032] (a)将修正后的子运行轨迹的两个端点连接成线段；
[0033] 化）确定修正后的子运行轨迹上离该线段距离最远的点（卫星定位数据对应的位 置点），计算该距离最远的点到线段的高线距离，并进行如下操作：
[0034] 若该高线距离小于预设的高线距离阔值，则舍弃该点（即将该卫星定位数据从修 正后的子运行轨迹上删除），并W舍弃后的修正后的子运行轨迹上作为简化运行轨迹；
[0035] 否则，保留距离最远的点，并将其与两个端点相连接，得到两条子线段；
[0036] (C)针对得到的两条子线段分别执行步骤化）。
[0037] 所述的高线距离阔值的范围为50~150m，优选为80m。
[003引与现有技术相比，本发明具有如下优点：
[0039] 根据时间跳跃点和空间跳跃点依次完成划分，易于实现，且充分考虑了车辆运行 轨迹的特点，使最终得到的轨迹分离结果能够更加准确，能够有效提高利用该轨迹分离结 果进行运动模式挖掘结果的准确性。
【附图说明】
[0040] 图1为利用本实施例的车辆运行轨迹的分离方法进行车辆汇聚预测的流程图；
[0041] 图2为线性Li和线段L之间的距离示意图；
[0042] 图3为有向连通图的结构示意图；
[0043] 图4为频繁模式树的结构示意图。
【具体实施方式】
[0044] 下面将结合附图和具体实施例对本发明进行详细描述。
[0045] 本实施例的车辆运行轨迹的分离方法，包括如下步骤：
[0046] (1)获取车辆在设定时间段内运行的卫星定位数据，每个卫星定位数据包括该卫 星定位数据对应的采集时间，车辆位置W及载客状态；
[0047] (2)根据各个卫星定位数据的载客状态对获取的卫星定位数据进行筛选，并根据 筛选结果形成相应的载客运行轨迹；
[0048] (3)确定载客运行轨迹的时间跳跃点和空间跳跃点的位置，
[0049] 并根据时间跳跃点和空间跳跃点的位置将载客轨迹划分为若干个子运行轨迹：进 行划分时具体如下；
[0化0] (3-1)根据时间跳跃点的位置将对载客轨迹进行划分若干个单次运行轨迹；
[0化1] (3-2)针对任意一个单次运行轨迹，根据空间跳跃点的位置将各个